| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 旋转机械故障诊断方法研究现状 | 第16-21页 |
| 1.2.1 故障特征提取方法研究 | 第16-19页 |
| 1.2.2 微弱故障增强检测研究 | 第19-20页 |
| 1.2.3 故障模式识别研究 | 第20-21页 |
| 1.3 本文主要研究对象 | 第21-22页 |
| 1.4 主要研究内容和章节安排 | 第22-25页 |
| 第2章 基于VMD的转子故障诊断方法研究 | 第25-55页 |
| 2.1 引言 | 第25页 |
| 2.2 变分模态分解 | 第25-29页 |
| 2.2.1 VMD基础概念 | 第25-27页 |
| 2.2.2 VMD基本原理 | 第27-29页 |
| 2.3 VMD性能分析 | 第29-35页 |
| 2.3.1 分解特性分析 | 第29-34页 |
| 2.3.2 重要影响参数 | 第34-35页 |
| 2.4 基于VMD的转子故障时频分析方法 | 第35-49页 |
| 2.4.1 Teager-VMD时频分析方法 | 第35-40页 |
| 2.4.2 转子实验台介绍 | 第40页 |
| 2.4.3 碰摩故障分析 | 第40-44页 |
| 2.4.4 油膜失稳分析 | 第44-49页 |
| 2.5 VMD端点效应处理 | 第49-53页 |
| 2.5.1 VMD端点效应处理方法 | 第49-50页 |
| 2.5.2 仿真信号分析 | 第50-52页 |
| 2.5.3 油膜涡动分析 | 第52-53页 |
| 2.6 本章小结 | 第53-55页 |
| 第3章 滚动轴承微弱故障诊断方法研究 | 第55-75页 |
| 3.1 引言 | 第55-56页 |
| 3.2 最小熵解卷积 | 第56-59页 |
| 3.2.1 MED基本原理 | 第56-57页 |
| 3.2.2 自适应MED方法 | 第57-58页 |
| 3.2.3 仿真信号分析 | 第58-59页 |
| 3.3 基于自适应MED和VMD的滚动轴承微弱故障诊断 | 第59-64页 |
| 3.3.1 故障诊断流程 | 第59-61页 |
| 3.3.2 实验信号分析 | 第61-64页 |
| 3.4 最大相关峭度解卷积 | 第64-67页 |
| 3.4.1 MCKD基本原理 | 第64-66页 |
| 3.4.2 MCKD参数选择 | 第66页 |
| 3.4.3 MED与MCKD对比分析 | 第66-67页 |
| 3.5 基于自适应MCKD方法的滚动轴承微弱故障诊断 | 第67-74页 |
| 3.5.1 自适应MCKD方法 | 第67-68页 |
| 3.5.2 故障分析流程 | 第68页 |
| 3.5.3 实验数据分析 | 第68-74页 |
| 3.6 本章小结 | 第74-75页 |
| 第4章 滚动轴承故障的盲源分离方法研究 | 第75-88页 |
| 4.1 引言 | 第75-76页 |
| 4.2 相空间重构技术 | 第76-78页 |
| 4.2.1 相空间重构理论 | 第76页 |
| 4.2.2 重构参数的选取 | 第76-78页 |
| 4.3 平稳子空间分析方法 | 第78-79页 |
| 4.4 快速谱峭度滤波 | 第79-80页 |
| 4.5 基于相空间重构和SSA的轴承故障诊断 | 第80-87页 |
| 4.5.1 故障诊断流程 | 第80-81页 |
| 4.5.2 仿真信号分析 | 第81-84页 |
| 4.5.3 实验信号分析 | 第84-87页 |
| 4.6 本章小结 | 第87-88页 |
| 第5章 基于IMPE和PNN的滚动轴承故障模式识别 | 第88-103页 |
| 5.1 引言 | 第88页 |
| 5.2 多尺度排列熵 | 第88-90页 |
| 5.2.1 排列熵算法 | 第88-89页 |
| 5.2.2 多尺度排列熵算法 | 第89-90页 |
| 5.3 改进多尺度排列熵 | 第90-93页 |
| 5.3.1 IMPE基本原理 | 第90-92页 |
| 5.3.2 IMPE参数选取 | 第92页 |
| 5.3.3 IMPE性能分析 | 第92-93页 |
| 5.4 概率神经网络 | 第93-96页 |
| 5.4.1 概率神经网络理论 | 第93-95页 |
| 5.4.2 概率神经网络模型 | 第95-96页 |
| 5.5 基于IMPE和PNN的滚动轴承故障模式识别方法 | 第96-102页 |
| 5.5.1 模式识别流程 | 第96-98页 |
| 5.5.2 实验数据分析 | 第98-102页 |
| 5.6 本章小结 | 第102-103页 |
| 第6章 结论与展望 | 第103-105页 |
| 6.1 主要结论 | 第103-104页 |
| 6.2 研究展望 | 第104-105页 |
| 参考文献 | 第105-119页 |
| 攻读博士学位期间发表的论文及其它成果 | 第119-121页 |
| 攻读博士学位期间参加的科研工作 | 第121-122页 |
| 致谢 | 第122-123页 |
| 作者简介 | 第123页 |
